一些问题记录

一些问题:

纯记录


问题描述:

  1. cv2.imread(imgpath)输出img.shape显示图片没有被读进去。 原因及方法:路径问题!虽然路径中没有中文,但是说不定是哪个英文打错了,注意检查整个路径,而不是只检查图片名称!

  2. 自己制作数据集时,因为每张图片的kpts2d的维度不同(因为每张图片中的人数不同)导致dataloader出错。方法1:让batch里面的数据维度一样。属性包含image,bbox,kpts2d等信息时,需要重新写collate_fn函数,具体参考https://blog.csdn.net/lrs1353281004/article/details/106129660 里面的pad_sequence函数解释 参考https://blog.csdn.net/m0_37586991/article/details/89470658 方法2:不修改dataloader里面的东西,将dataset返回的数据设置一个最大的维度,例如kpts2d的维度为(max_person,joint_num,2),设置max_person为64,ROMP的数据处理方式

  3. ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all() 出错的原因是进行!=判断的不是数值,而是一个array结构。解决方法有两个一个是用.all(),但是我没有测试,https://blog.csdn.net/qq_41185868/article/details/110453981另一个是将!=改为 is not ,https://blog.csdn.net/weixin_42279044/article/details/95003761?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-2.no_search_link&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-2.no_search_link


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
为了更好地记录您的答辩过程,以下是您在回答问题时的情况记录问题1:您的模型在训练过程中是否考虑了过拟合的问题? 回答1:是的,我们在训练过程中使用了一些正则化技术,如dropout和L2正则化,以防止模型过度拟合训练数据。 问题2:您的模型在处理多语言数据时表现如何? 回答2:我们的模型在处理多语言数据方面表现良好。我们使用了多语言的训练数据,以及一些跨语言的技术,如语言嵌入和多语言对齐,来提高模型的跨语言能力。 问题3:您的模型在处理长文本时是否存在性能问题? 回答3:在处理长文本时,我们的模型确实存在性能问题。为了解决这个问题,我们使用了一些技术,如截断和注意力机制,以便模型只关注文本中最重要的部分,从而提高模型的性能和效率。 问题4:您的模型在处理特定领域的数据时是否需要进行特定的调整? 回答4:是的,对于一些特定领域的数据,我们需要进行特定的调整,例如领域特定的预处理和特定领域的语言模型微调。这可以帮助我们的模型更好地适应特定领域的语言和知识。 问题5:您的模型在生成文本时如何保证生成的文本是准确的和合理的? 回答5:在生成文本时,我们使用了一些技术,如beam search和n-gram重复惩罚,以确保生成的文本是准确的和合理的。此外,我们还进行了一些人工评估和自动评估,以评估模型生成的文本的质量和准确性。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值